મશીન-ટુ-મશીન યુગની શરૂઆત અને વીમા માટે તેની અસરો

મશીન-ટુ-મશીન ટેકનોલોજી (M2M) અનિવાર્યપણે ઈન્ટરનેટ ઓફ થિંગ્સ (IoT) વાતાવરણમાં સેન્સરનો સમાવેશ કરે છે જ્યાં તેઓ સર્વર અથવા અન્ય સેન્સરને વાયરલેસ રીતે ડેટા મોકલે છે. અન્ય સેન્સર અથવા સર્વર ડેટાનું વિશ્લેષણ કરવા માટે આર્ટિફિશિયલ ઈન્ટેલિજન્સ (AI) નો ઉપયોગ કરે છે અને વાસ્તવિક સમયમાં ડેટા પર આપમેળે કાર્ય કરે છે. ક્રિયાઓ ચેતવણીઓ, ચેતવણી અને દિશામાં ફેરફાર, બ્રેક, ઝડપ, વળાંક અને વ્યવહારો જેવી કંઈપણ હોઈ શકે છે. જેમ જેમ M2M ઝડપથી વધી રહ્યું છે, અમે ટૂંક સમયમાં સમગ્ર બિઝનેસ મોડલ અને ગ્રાહક સંબંધોને ફરીથી શોધીશું. ખરેખર, અરજીઓ ફક્ત વ્યવસાયોની કલ્પના દ્વારા મર્યાદિત હશે.

આ પોસ્ટ નીચેનાનું અન્વેષણ કરશે:

1. મુખ્ય M2M તકનીકો અને તેમની વિક્ષેપકારક સંભાવનાઓનું વિહંગાવલોકન.
2. M2M વ્યવહારો; એક સંપૂર્ણ નવી ક્રાંતિ જ્યાં મશીનો અન્ય મશીનો સાથે સીધો વ્યવહાર કરી શકે છે જે મશીન અર્થતંત્ર તરફ દોરી જાય છે.
3. AI ની અસર તે છે જે અમને M2M તરફ દોરી રહી છે; મોટા ડેટા, ડીપ લર્નિંગ, સ્ટ્રીમિંગ અલ્ગોરિધમ્સ. ઓટોમેટેડ મશીન ઇન્ટેલિજન્સ અને મશીન ટીચિંગ. મશીન શિક્ષણ એ કદાચ મશીન અર્થતંત્રનો સૌથી ઘાતાંકીય વલણ છે.
4. ભવિષ્યનું વીમા વ્યવસાય મોડલ: બ્લોકચેન પર આધારિત ઇન્સ્યોરટેક સ્ટાર્ટઅપ્સ.
5. સમાપન નોંધ, ઉપસંહાર

કી M2M તકનીકોની ઝાંખી

કેટલાક વાસ્તવિક જીવનના દૃશ્યોની કલ્પના કરો:

1. તમારી કાર તમારી મુસાફરીની મુસાફરીને સમજે છે અને ઑન-ડિમાન્ડના આધારે માઇલ ઑટોમૅટિક રીતે વીમો ખરીદે છે. મશીન આપોઆપ તેની પોતાની જવાબદારી વીમો ખરીદે છે.
2. કાયદાના અમલીકરણ અને ફેક્ટરીને આપતા પહેરવા યોગ્ય એક્સોસ્કેલેટન્સ અલૌકિક શક્તિ અને ચપળતાનું કામ કરે છે
3. બ્રેઈન-કમ્પ્યુટર ઈન્ટરફેસ સુપર-હ્યુમન ઈન્ટેલિજન્સ બનાવવા માટે આપણા મગજ સાથે ભળી જાય છે (ઉદાહરણ તરીકે, એલોન મસ્કની ન્યુરલ લેસ)
4. અમારા દ્વારા પચવામાં આવેલી સ્માર્ટ ગોળીઓ અને સ્વાસ્થ્ય માટે પહેરવાલાયક વસ્તુઓ જે આપણા મૃત્યુદર અને બિમારીના જોખમોનું સીધું મૂલ્યાંકન કરે છે.
5. તમે સેલ્ફી લેવાથી જીવન વીમો મેળવી શકો છો. સેલ્ફીનું વિશ્લેષણ અલ્ગોરિધમ દ્વારા કરવામાં આવે છે જે તબીબી રીતે આ ઈમેજો દ્વારા તમારી જૈવિક ઉંમર નક્કી કરે છે (પહેલેથી જ સ્ટાર્ટઅપ લેપેટસના ક્રોનોસ સોફ્ટવેર દ્વારા કરવામાં આવી રહી છે).
6. તમારા ફ્રિજ તમારી નિયમિત ખરીદી અને સ્ટોક કરવાની આદતોને સમજે છે અને શોધી કાઢે છે કે દૂધ જેવી કેટલીક વસ્તુઓ સમાપ્ત થઈ રહી છે; તેથી, તે સીધી ઓનલાઈન શોપિંગ દ્વારા દૂધ ખરીદે છે. તમારી સૌથી સામાન્ય આદતોના આધારે તમારું ફ્રિજ સતત રિ-સ્ટોક કરવામાં આવશે. નવી આદતો અને બિન-સામાન્ય માટે, તમે સ્વતંત્ર રીતે તમારી વસ્તુઓ ખરીદવાનું ચાલુ રાખી શકો છો અને તેને હંમેશની જેમ ફ્રિજમાં સ્ટોક કરી શકો છો.
7. અકસ્માતો અને અથડામણોને ટાળવા માટે સ્વ-ડ્રાઇવિંગ કાર સ્માર્ટ ગ્રીડ પર એકબીજા સાથે ક્રિયાપ્રતિક્રિયા કરે છે.
8. તમારો રોબોટ અનુભવે છે કે તમે તાજેતરમાં વધુ અસ્વસ્થ અને હતાશ થઈ રહ્યા છો અને તેથી તે તમને ઉત્સાહિત કરવાનો પ્રયાસ કરે છે. તે તમારા સ્વાસ્થ્ય કોચ બોટને ભાવનાત્મક સ્થિતિસ્થાપકતા માટે સામગ્રી વધારવા માટે કહે છે.
9. સેન્સર્સ પાઈપમાં આવનારા વિસ્ફોટને અનુભવે છે અને પાઈપ ફાટે તે પહેલાં, તમારા ઘરે રિપેરમેન મોકલે છે
10. તમારો ચેટબોટ એ તમારો અંગત મદદનીશ છે. તે તમારા માટે શોપિંગ કરે છે, જ્યારે તમે મુસાફરી કરી રહ્યા હોવ ત્યારે કહો કે જ્યારે તમારે વીમો ખરીદવાની જરૂર હોય ત્યારે સમજણ આપે છે, તમારા રોજિંદા કામકાજ સંભાળે છે અને તમે બોટ સાથે મળીને બનાવેલા તમારા દૈનિક શેડ્યૂલ પર તમને અપડેટ રાખે છે.
11. નવા ટૂથબ્રશ બનાવવા માટે તમારી પાસે 3D પ્રિન્ટર છે. વર્તમાન સ્માર્ટ ટૂથબ્રશને લાગે છે કે તેના ફિલામેન્ટ્સ ઘસાઈ જવાના છે તેથી તે નવા ફિલામેન્ટ્સ બનાવવા માટે 3D પ્રિન્ટરને સિગ્નલ મોકલે છે.
12. પક્ષીઓના ઝૂંડને બદલે, હવે આપણે ડ્રોન સ્વોર્મ્સને સામૂહિક સ્વોર્મ ઇન્ટેલિજન્સ દ્વારા તેમના કાર્યોને આગળ ધપાવતા જોઈ રહ્યા છીએ.
13. મશીન કોઈપણ પ્રશિક્ષણ ડેટા વિના પોતાની સામે ચેસ રમે છે અને દરેકને અને દરેક વસ્તુને હરાવે છે (AlphaGoZero પહેલેથી જ આ કરે છે).
14. આના જેવા અસંખ્ય વાસ્તવિક જીવનના દૃશ્યો છે, જે ફક્ત આપણી કલ્પના દ્વારા મર્યાદિત છે.

M2M તકનીકોમાંથી બે મેટા-થીમ્સ ઉદ્ભવે છે: નિવારણ અને સગવડ. સ્વ-ડ્રાઇવિંગ કાર અકસ્માતોને દૂર કરી શકે છે અથવા ધરમૂળથી ઘટાડી શકે છે કારણ કે મોટાભાગના કાર અકસ્માતો માનવીય ભૂલોને કારણે થાય છે. પહેરવાલાયક વસ્તુઓ સ્વાસ્થ્યપ્રદ જીવનશૈલી, સ્માર્ટ હોમ સેન્સર પાઇપ ફાટવા અને અન્ય સમસ્યાઓ થાય તે પહેલાં અને તેને સુધારી શકે છે. આ નિવારણ રોગિષ્ઠતા, અકસ્માતો અને અન્ય ખરાબ ઘટનાઓમાં ઘટાડો કરે છે. સગવડ એ વધુ પડતું આર્કિંગ પાસું છે જેમાં મોટાભાગની દરેક વસ્તુ એક મશીનથી બીજા મશીનમાં આપમેળે થાય છે અને બાકીના થોડા કિસ્સાઓમાં, તે માનવ કુશળતા અને ધ્યાન સાથે વધારવામાં આવે છે. મશીન સમય જતાં આપણી વર્તણૂકો વિશે તેના સેન્સરમાંથી ડેટાનો ઉપયોગ કરીને જાતે શીખવા માટે શું પ્રોગ્રામ કરેલું છે તે શીખે છે. તે પૃષ્ઠભૂમિમાં અને આપમેળે આપણા સમય અને પ્રયત્નોને સર્જનાત્મક બનવા જેવી અન્ય વધુ માનવ વસ્તુઓ પર મુક્ત કરવા માટે થાય છે.

આ ઉભરતી તકનીકો એક્સપોઝરમાં ફેરફાર તરફ દોરી રહી છે અને વીમા પર ભારે અસર કરે છે. મોટી સંખ્યામાં ટચ પોઈન્ટ બનાવવામાં આવે છે જ્યાં વીમાદાતા ગ્રાહક સાથે જોડાઈ શકે છે, ત્યાં વ્યક્તિગત કવરેજ પર ઓછું ધ્યાન આપવામાં આવે છે અને વ્યાપારી પાસા પર વધુ ધ્યાન આપવામાં આવે છે (જેમ કે જો સ્વ-ડ્રાઈવિંગ કારમાં ખામી સર્જાય અથવા હેક થઈ જાય, હોમ આસિસ્ટન્ટ હેક થઈ જાય, તેના બદલે સ્માર્ટ પીલ ઝેર મૃત્યુદર અને રોગિષ્ઠતાના જોખમોનું ગતિશીલ આકારણી કરવા માટે રીઅલ-ટાઇમ ડેટા પ્રદાન કરવા) અને તેથી વધુ. દાવાઓની આવર્તન ધરમૂળથી ઘટવા માટે સુયોજિત છે, પરંતુ દાવાની તીવ્રતા વધુ જટિલ અને આકારણી કરવી મુશ્કેલ હોઈ શકે છે કારણ કે નુકસાનનું મૂલ્યાંકન કરવા અને નુકસાનના કવરેજનો હિસ્સો કેવી રીતે બદલાય છે તે જોવા માટે વિવિધ હિતધારકોને બોર્ડમાં લેવા પડશે. વિવિધ હિસ્સેદારોની ભૂલો. સાયબર હેકિંગ વધશે અને મશીન અર્થતંત્રમાં વીમા કંપનીઓ માટે નવી તકો તરફ દોરી જશે.  

આ તકનીકો એકલી નથી; ટેક્નોલોજીમાં સતત ક્રાંતિ કર્યા વિના મૂડીવાદ અસ્તિત્વમાં નથી અને તે રીતે તેની સાથેના આપણા માનવીય સંબંધો. જો તમને આ વિશે વધુ જાગૃતિની જરૂર હોય, તો જુઓ કે કેવી રીતે એલ્ગોરિધમ્સ અને ટેક્નોલોજી આપણી માનસિકતાને, વિચારશીલ વલણને આપણા વર્તન અને ક્રિયાઓનું ઘડતર કરી રહી છે અને જુઓ કે બધી ટેકનોલોજી કેટલી ઝડપથી વિકસિત થઈ રહી છે. નવાઈની વાત એ છે કે આ અવલોકન 1818-1883માં રહેતા કાર્લ માર્ક્સ દ્વારા કરવામાં આવ્યું હતું અને આ દર્શાવે છે કે વિશ્વની તમામ ટેક ઊંડી વિચારસરણી અને વિદ્વાન શાણપણનો વિકલ્પ નથી.

સામાજિક ફેરફારો તકનીકી ફેરફારો સાથે હાથમાં જાય છે. હવે આપણે માત્ર ધનિકોને વધુ ધનિક બનાવવાને બદલે સામાજિક પ્રભાવ (ઉદાહરણ તરીકે લેમોનેડ) પર ધ્યાન કેન્દ્રિત કરીને પીઅર ટુ પીઅર બિઝનેસ મોડલ્સ જોઈ રહ્યા છીએ. શેરિંગ ઇકોનોમી ટેક્નોલોજીના ઉપયોગને વેગ આપે છે કારણ કે તે માંગ પરના આધારે અમને ઍક્સેસ (પરંતુ માલિકી નહીં) પ્રદાન કરે છે. સહસ્ત્રાબ્દી પેઢી પણ પાછલી પેઢીઓથી ઘણી અલગ છે અને તેઓ જે માંગે છે અને તેઓ આપણી આસપાસની દુનિયાને કેવી રીતે આકાર આપવા માંગે છે તેના માટે અમે જાગવાનું શરૂ કર્યું છે. શેરિંગ ઇકોનોમીનો અર્થ એવો થઈ શકે છે કે તેમના પોતાના વોલેટ સાથેના મશીનો માનવીઓ માટે માંગ પરના આધારે સેવાઓ કરી શકે છે અને સ્વતંત્ર રીતે વ્યવહાર કરી શકે છે.

M2M નાણાકીય વ્યવહારો

અમારા ભાવિ ગ્રાહકો પાકીટ સાથે મશીનો હશે. "IOTA (ઇન્ટરનેટ ઓફ થિંગ્સ એપ્લિકેશન)" નામની ક્રિપ્ટોકરન્સીનો હેતુ IoT મશીનોને અન્ય મશીનો પર સીધા અને આપમેળે વ્યવહાર કરવાની મંજૂરી આપીને મશીન અર્થતંત્રને આપણી રોજિંદા વાસ્તવિકતામાં આગળ ધપાવવાનો છે અને આ મશીન-કેન્દ્રિત બિઝનેસ મોડલના ઝડપી ઉદભવ તરફ દોરી જશે. 

IOTA બ્લોકચેનને દૂર કરીને અને તેના બદલે 'ટેંગલ' ડિસ્ટ્રિબ્યુટેડ લેજર અપનાવીને કરે છે જે સ્કેલેબલ, લાઇટવેઇટ છે અને શૂન્ય ટ્રાન્ઝેક્શન ફી ધરાવે છે જેનો અર્થ છે કે માઇક્રો-ટ્રાન્ઝેક્શન પ્રથમ વખત વ્યવહારુ છે. વર્તમાન બ્લોકચેન સિસ્ટમો પર IOTA ના મુખ્ય ફાયદાઓ છે:

1. સ્પષ્ટ વિચારને મંજૂરી આપવા માટે, બ્લોકચેન એ સમર્પિત વેઇટર્સ (માઇનર્સ) સાથેના રેસ્ટોરન્ટ જેવું છે જે તમને તમારું ભોજન લાવે છે. ટેંગલમાં, તે સેલ્ફ-સર્વિસ રેસ્ટોરન્ટ છે જ્યાં દરેક વ્યક્તિ પોતાની સેવા આપે છે. નવી ટ્રાન્ઝેક્શન કરતી વખતે વ્યક્તિએ તેના/તેણીના અગાઉના બે વ્યવહારો ચકાસવાના હોય છે તે પ્રોટોકોલ દ્વારા ટેંગલ આ કરે છે. આમ ખાણિયાઓ, બ્લોકચેન નેટવર્ક્સમાં અપાર શક્તિનું નિર્માણ કરી રહેલા નવા મધ્યસ્થોને ટેંગલ દ્વારા સંપૂર્ણ રીતે નકામા બનાવી દેવામાં આવે છે. બ્લોકચેનનું વચન એ છે કે વચેટિયાઓ આપણું શોષણ કરે છે, પછી ભલે તે સરકાર હોય, નાણાં છાપતી બેંકો હોય, વિવિધ સંસ્થાઓ હોય, પરંતુ વચેટિયાનો બીજો વર્ગ 'માઇનર્સ' ખૂબ શક્તિશાળી બની રહ્યો છે, ખાસ કરીને ચાઇનીઝ ખાણિયાઓ નાનામાં વિશાળ શક્તિના કેન્દ્રીકરણ તરફ દોરી જાય છે. હાથની સંખ્યા. બિટકોઇન માઇનિંગ 159 થી વધુ દેશો દ્વારા ઉત્પાદિત વીજળી જેટલી ઊર્જા લે છે, તેથી તે વીજળીના સંસાધનોનો મોટો બગાડ છે કારણ કે વ્યવહારને માન્ય કરવા માટે જટિલ ક્રિપ્ટો ગાણિતિક કોડને ક્રેક કરવા માટે વિશાળ કમ્પ્યુટિંગ હાર્ડવેરની જરૂર પડે છે.
2. ખાણકામ સમય માંગી લેતું અને ખર્ચાળ હોવાથી, માઇક્રો અથવા નેનો વ્યવહારો કરવા માટે તેનો અર્થ નથી. ટેંગલ લેજર ટ્રાન્ઝેક્શન્સને સમાંતર રીતે માન્ય કરવાની મંજૂરી આપે છે અને IoT વિશ્વને નેનો અને માઇક્રોટ્રાન્ઝેક્શન કરવા માટે મહત્વપૂર્ણ રીતે મંજૂરી આપવા માટે કોઈ માઇનિંગ ફીની જરૂર નથી.
3. મશીનો આજના સમયમાં 'અનબેન્ક્ડ' સ્ત્રોત છે પરંતુ IOTA સાથે, મશીનો આવક પેદા કરી શકે છે અને આર્થિક રીતે સક્ષમ સ્વતંત્ર એકમ બની શકે છે જે વીમો, ઉર્જા, જાળવણી વગેરે પોતાની જાતે ખરીદી શકે છે. IOTA સુરક્ષિત ઓળખ દ્વારા "Know Your Machine (KYM)" પ્રદાન કરે છે જેમ કે બેંકો હાલમાં તમારા ગ્રાહકને જાણો (KYC).

IOTA એ ક્રિપ્ટોકરન્સીની નવી જાતિ છે જેનો ઉદ્દેશ્ય એવી સમસ્યાઓનું નિરાકરણ કરવાનો છે જે અગાઉના ક્રિપ્ટો ઉકેલવામાં સક્ષમ ન હતા. નીચે બતાવ્યા પ્રમાણે "ટેન્ગલ" વિતરિત ખાતાવહી એ નિર્દેશિત એસાયક્લિક ગ્રાફ માટે ઉપનામ છે: 

ડાયરેક્ટેડ એસાયક્લિક ગ્રાફ એ ક્રિપ્ટોગ્રાફિક વિકેન્દ્રિત નેટવર્ક છે જે અનંત સુધી માપી શકાય તેવું માનવામાં આવે છે અને હેશ-આધારિત હસ્તાક્ષરોના એન્ક્રિપ્શનના એક અલગ સ્વરૂપનો ઉપયોગ કરીને ક્વોન્ટમ કમ્પ્યુટર્સ (જે હજી વ્યાવસાયિક રીતે સંપૂર્ણ રીતે વિકસિત અને મુખ્ય પ્રવાહના જીવનમાં ઉપયોગમાં લેવાના બાકી છે) ના હુમલાઓનો પ્રતિકાર કરે છે.  

સ્કેલ કરવા માટે બોજારૂપ બનવાને બદલે, ગૂંચ વાસ્તવમાં વધુ વ્યવહારો સાથે ઝડપી બને છે અને બગડવાને બદલે વધતી જાય તેમ વધુ સારી બને છે. IOTA નો ઉપયોગ કરતા તમામ ઉપકરણોને નોડ ઓફ ધ ટેંગલનો ભાગ બનાવવામાં આવે છે. નોડ દ્વારા કરવામાં આવતા દરેક વ્યવહાર માટે, નોડ 2 એ અન્ય વ્યવહારોની પુષ્ટિ કરવી આવશ્યક છે. આ રીતે વ્યવહારોની પુષ્ટિ કરવાની જરૂરિયાત કરતાં બમણી ક્ષમતા ઉપલબ્ધ છે. આ એન્ટિ-ફ્રેજીલ પ્રોપર્ટી જેમાં ગૂંચ અંધાધૂંધીને કારણે બગડવાને બદલે અરાજકતા દ્વારા સુધરે છે તે ગૂંચનો મુખ્ય ફાયદો છે. 

ઐતિહાસિક રીતે અને હાલમાં પણ, અમે વ્યવહારોની ઉત્પત્તિ, ગંતવ્ય, જથ્થો અને ઇતિહાસને સાબિત કરવા માટે તેમની ટ્રેઇલ રેકોર્ડ કરીને વ્યવહારો પર વિશ્વાસ પ્રેરિત કરીએ છીએ. આ માટે વકીલો, ઓડિટર, ગુણવત્તા નિરીક્ષકો અને ઘણા સહાયક કાર્યો જેવા ઘણા વ્યવસાયોના ભાગ પર ઘણો સમય અને પ્રયત્નોની જરૂર છે. આ, બદલામાં, માણસો નંબર-ક્રંચર બનીને મેન્યુઅલ વેરિફિકેશન કરીને તેમની સર્જનાત્મકતાને મારી નાખે છે, વ્યવહારોને ખર્ચાળ, અચોક્કસ અને ખર્ચાળ બનાવે છે. આ વ્યવહારોમાં વિશ્વાસ પેદા કરવા માટે એકવિધ પુનરાવર્તિત નોકરીઓ કરતા ઘણા માનવીઓ દ્વારા ખૂબ જ માનવીય વેદના અને દુખનો સામનો કરવો પડ્યો છે. જેમ કે જ્ઞાન એ શક્તિ છે, મહત્વની માહિતી સત્તામાં રહેલા લોકો દ્વારા જનતાને રોકવા માટે છુપાવવામાં આવે છે. બ્લોકચેન અમને વચેટિયાઓની સંભવિત 'આ બધી બકવાસને દૂર કરવા' અને તેના બદલે ટેક્નોલોજી દ્વારા લોકોને સત્તા આપવા દે છે જે ચોથી ઔદ્યોગિક ક્રાંતિનું મુખ્ય ધ્યેય છે.

જો કે, વર્તમાન બ્લોકચેન પાસે માપનીયતા, ટ્રાન્ઝેક્શન ફી અને કમ્પ્યુટિંગ સંસાધનોને લગતી તેની પોતાની મર્યાદાઓનો સમૂહ છે જે ખાણ માટે જરૂરી છે. IOTA વ્યવહારો બનાવવા અને ચકાસવા માટે તેને 'ટેંગલ' વિતરિત ખાતાવહી સાથે બદલીને બ્લોકચેનને સંપૂર્ણપણે દૂર કરે છે. IOTA નો હેતુ મશીન અર્થતંત્રના મુખ્ય સક્ષમ તરીકે કાર્ય કરવાનો છે જે અત્યાર સુધી વર્તમાન ક્રિપ્ટોની મર્યાદાઓને કારણે પ્રતિબંધિત છે.

તે વ્યાજબી રીતે અનુમાન કરી શકાય છે કે ઘણી સાયબર-ફિઝિકલ સિસ્ટમ્સ ઉભરી આવશે અને તે આર્ટિફિશિયલ ઈન્ટેલિજન્સ અને IoT પર આધારિત હશે જેમ કે સપ્લાય ચેઈન, સ્માર્ટ સિટીઝ, સ્માર્ટ ગ્રીડ, શેર્ડ કમ્પ્યુટિંગ, સ્માર્ટ ગવર્નન્સ અને હેલ્થકેર સિસ્ટમ્સ. યુ.એસ.એ. અને ચીનના સામાન્ય દિગ્ગજોની બાજુમાં AI માં જાણીતી બનવાની અત્યંત મહત્વાકાંક્ષી અને આક્રમક યોજના ધરાવતો એક દેશ છે UAE. UAE પાસે ઘણી બધી AI પહેલ છે જેમ કે તેણે ડ્રોન પોલીસ, ડ્રાઇવર વિનાની કાર અને હાઇપરલૂપ્સ પરની યોજનાઓ, બ્લોકચેન પર આધારિત શાસન અને આર્ટિફિશિયલ ઇન્ટેલિજન્સ માટે વિશ્વના પ્રથમ રાજ્ય મંત્રી પણ દર્શાવ્યા છે.

કાર્યક્ષમતાની ખોજ એ શોધ હતી જેણે પહેલા મૂડીવાદને આગળ વધાર્યો અને હવે આ જ શોધ હવે મૂડીવાદને ખતમ કરવા માટે કામ કરી રહી છે. 3D પ્રિન્ટિંગ અને શેરિંગ અર્થતંત્ર ખર્ચમાં ધરમૂળથી ઘટાડો કરી રહ્યું છે અને કાર્યક્ષમતાના સ્તરને અપગ્રેડ કરી રહ્યું છે અને ડિજિટલ વૉલેટ સાથે મશીનો સાથેનું 'મશીન ઇકોનોમી' એ વધુ કાર્યક્ષમતા માટેનું આગલું તાર્કિક પગલું છે. પ્રથમ વખત, મશીન ભૌતિક અથવા ડેટા સેવાઓ દ્વારા આવક અને ઉર્જા, વીમા અને જાળવણી પર ખર્ચ કરવા માટે આર્થિક રીતે સ્વતંત્ર એકમ કરશે. આ વિતરિત ટ્રસ્ટને કારણે ઓન-ડિમાન્ડ અર્થતંત્રમાં તેજી આવશે. 3D પ્રિન્ટિંગ સામગ્રી અને રોબોટ બનાવવાની કિંમતમાં ધરમૂળથી ઘટાડો કરશે અને આર્થિક રીતે સ્વતંત્ર રોબોટ્સ ટૂંક સમયમાં જ માનવીઓને માંગ પરના ધોરણે સેવાઓ આપવાનું શરૂ કરશે.

તેની વિસ્ફોટક અસર જોવા માટે, સદીઓ જૂના લોયડના વીમા બજારને બદલવાની કલ્પના કરો. એક સ્ટાર્ટઅપ, TrustToken USD 256 ટ્રિલિયનના વ્યવહારો કરવા માટે એક ટ્રસ્ટ ઇકોનોમી બનાવવાનો પ્રયાસ કરી રહ્યું છે, જે પૃથ્વી પરની તમામ વાસ્તવિક-વિશ્વની સંપત્તિનું મૂલ્ય છે. વર્તમાન વ્યવહારો મર્યાદિત પારદર્શિતા, પ્રવાહિતા, વિશ્વાસ અને ઘણી બધી સમસ્યાઓ સાથે જૂના મોડલ્સમાં થાય છે. બ્લોકચેન જેવા ડિજિટલ લેજર્સનો ઉપયોગ કરીને આ વ્યવહારો હાથ ધરવા ટોકનાઇઝેશનની સંભવિતતા દ્વારા વધુ નફાકારક છે. ટોકનાઇઝેશન એ એવી પ્રક્રિયા છે જેના દ્વારા વાસ્તવિક દુનિયાની સંપત્તિઓ ડિજિટલ ટોકન્સમાં રૂપાંતરિત થાય છે. TrustToken વાસ્તવિક દુનિયામાં પણ સ્વીકાર્ય હોય અને ‘કાયદેસર રીતે લાગુ, ઓડિટ અને વીમો’ હોય એવી રીતે વાસ્તવિક દુનિયાની અસ્કયામતોને ટોકનાઇઝ કરીને ડિજિટલ અને વાસ્તવિક દુનિયા વચ્ચે સેતુ બનાવે છે. આ 'SmartTrust' કરારની રચના દ્વારા કરવામાં આવે છે જે વાસ્તવિક દુનિયામાં કાનૂની સત્તાવાળાઓ સાથે માલિકીની બાંયધરી આપે છે, અને જ્યારે કરાર તૂટી જાય ત્યારે કોઈપણ જરૂરી કાર્યવાહીનો અમલ પણ કરે છે, જેમાં રિપોઝિંગ, ફોજદારી દંડ વસૂલવો અને ઘણું બધું સામેલ છે. વિકેન્દ્રિત ટ્રસ્ટમાર્કેટ તમામ હિસ્સેદારો માટે કિંમતો, સેવાઓ એકત્ર કરવા અને વાટાઘાટ કરવા માટે ઉપલબ્ધ છે અને ટ્રસ્ટટોકન્સ એ સંકેતો અને પુરસ્કારો છે જે પક્ષકારોને વિશ્વાસપાત્ર વર્તન માટે, ઓડિટ ટ્રેઇલ બનાવવા અને સંપત્તિનો વીમો મેળવવા માટે મળે છે.

શું TrustTokens સાઉન્ડ ઇન્શ્યોરન્સ હાથ ધરવા સક્ષમ છે કે કેમ તે ચર્ચા માટેનો વિષય છે પરંતુ આપણે તેને સદીઓ જૂના લોયડના માર્કેટમાં પહેલેથી જ જોઈ શકીએ છીએ. લોયડના બજારમાં, વીમાના ખરીદદારો અને વિક્રેતાઓ અને અન્ડરરાઇટર્સ વીમા હાથ ધરવા માટે ભેગા થાય છે. લોયડના ભંડોળનું વહીવટીતંત્ર તેમના વિવિધ સિન્ડિકેટ પર નજર રાખે છે અને વીમાથી પણ આવતા આંચકાને શોષવા માટે મૂડી પર્યાપ્તતા પ્રદાન કરે છે. TrustMarket પાસે લોયડના બજારનું આધુનિક સંસ્કરણ બનવાની ક્ષમતા છે પરંતુ તેની ચોક્કસ સફળતા નક્કી કરવી ખૂબ જ વહેલું છે. TrustToken અર્થવ્યવસ્થાને ખોલી શકે છે અને વાસ્તવિક વિશ્વની અસ્કયામતોમાં વધુ સારું મૂલ્ય અને ઓછા ખર્ચ અને ભ્રષ્ટાચારનું સર્જન કરી શકે છે, ખાસ કરીને રિયલ એસ્ટેટ, વીમા અને કોમોડિટીઝમાં જે ખૂબ ઓછા લોકોના હાથમાં ખૂબ શક્તિ બનાવે છે.

M2M સમીકરણનો AI ભાગ

AI અને તેના 10,000+ મશીન લર્નિંગ મૉડલ્સ પર ઘણી શાહી જોડવામાં આવી છે કે જેની પોતાની શક્તિઓ અને નબળાઈઓ છે અને તે આપણને આપણા જીવનમાં ધરમૂળથી સુધારો કરવા માટે પહેલા આપણાથી છુપાયેલી આંતરદૃષ્ટિને ઉજાગર કરવાની મંજૂરી આપે છે. અમે આનું વિગતવાર વર્ણન કરીશું નહીં પરંતુ મશીન ટીચિંગ અને ઓટોમેટેડ મશીન ઇન્ટેલિજન્સ (AML) ના બે ક્ષેત્રો પર ધ્યાન કેન્દ્રિત કરીશું કારણ કે આ IoT ને હાર્ડવેરના અલગ બિટ્સમાંથી ડેટા અને ઇન્ટેલિજન્સના સંકલિત કેરિયર્સમાં રૂપાંતરિત કરવાની મંજૂરી આપશે.

મશીન શિક્ષણ

મશીન ટીચિંગ, કદાચ સૌથી વધુ ઘાતાંકીય વલણ છે જે આપણે જોઈ રહ્યા છીએ જે M2M અર્થતંત્રને નમ્ર શરૂઆતથી ઝડપથી આગળ વધવા માટે આપણા રોજિંદા જીવનનું પ્રબળ લક્ષણ બની શકે છે. કલ્પના કરો! મશીનો માત્ર એકબીજા સાથે અને સર્વર અને માણસો જેવા અન્ય પ્લેટફોર્મ સાથે વ્યવહાર કરતી નથી પણ એકબીજાને શીખવે છે. આ પહેલાથી જ ટેસ્લા મોડલ એસના ઓટોપાયલટ ફીચર સાથે થઈ ચૂક્યું છે. માનવ ડ્રાઇવર કારના નિષ્ણાત શિક્ષક તરીકે કાર્ય કરે છે પરંતુ કાર આ ડેટા અને શીખવાની પોતાની વચ્ચે શેર કરે છે અને અત્યંત ટૂંકા સમયમાં તેમના અનુભવમાં ધરમૂળથી સુધારો કરે છે. હવે એક IoT ઉપકરણ એક અલગ ઉપકરણ નથી કે જેણે શરૂઆતથી બધું જાતે શીખવું પડશે; તે વિશ્વભરમાં અન્ય સમાન IoT ઉપકરણો દ્વારા શીખેલા સામૂહિક શિક્ષણનો લાભ લઈ શકે છે. આનો અર્થ એ છે કે મશીન લર્નિંગ દ્વારા પ્રશિક્ષિત IoT ની બુદ્ધિશાળી સિસ્ટમો માત્ર સ્માર્ટ બની રહી નથી; તેઓ ઘાતાંકીય વલણોમાં સમય સાથે વધુ ઝડપી બની રહ્યા છે.

આ 'મશીન ટીચિંગ'ના વિશાળ ફાયદા છે કારણ કે તે જરૂરી તાલીમ સમયને ઘટાડે છે, મોટા પ્રમાણમાં તાલીમ ડેટાની જરૂરિયાતને બાયપાસ કરે છે અને વપરાશકર્તા અનુભવને સુધારવા માટે મશીનોને જાતે શીખવાની મંજૂરી આપે છે. આ મશીન ટીચિંગ ક્યારેક સામૂહિક હોઈ શકે છે જેમ કે સેલ્ફ-ડ્રાઈવિંગ કાર એકસાથે સામૂહિક મધપૂડો મનમાં વહેંચવી અને શીખવી, અથવા તે વિરોધી હોઈ શકે છે જેમ કે બે મશીનો પોતાની સામે ચેસ રમતા, એક મશીન છેતરપિંડી તરીકે કામ કરે છે અને બીજું મશીન છેતરપિંડી તરીકે. ડિટેક્ટર અને તેથી વધુ. મશીન અન્ય કોઈ મશીનની જરૂર વગર પોતાની સામે સિમ્યુલેશન અને ગેમ્સ રમીને પણ શીખવી શકે છે. AlphaGoZero એ બરાબર કર્યું છે. AlphaGoZero એ કોઈપણ તાલીમ ડેટાનો ઉપયોગ કર્યો ન હતો અને પોતાની સામે રમ્યો હતો અને પછી AlphaGo ને હરાવી હતી જે એઆઈ હતી જેણે વિશ્વના શ્રેષ્ઠ માનવ ગો ખેલાડીઓને હરાવ્યા હતા (ગો એ ચાઈનીઝ ચેસનું લોકપ્રિય સંસ્કરણ છે). ચેસ ગ્રાન્ડમાસ્ટર્સને AlphaGoZero ના રમત જોવાની જે લાગણી હતી તે ચેસ રમતી અદ્યતન એલિયન સુપર-બુદ્ધિશાળી રેસ જેવી હતી.

આમાંથી અરજીઓ આશ્ચર્યજનક છે; હાયપરલૂપ (ખૂબ જ ઝડપી ટ્રેન) આધારિત ટનલ પોડ્સ એકબીજા સાથે વાતચીત કરે છે, સ્વાયત્ત જહાજો, ટ્રકો, ડ્રૉન્સનો આખો કાફલો સ્વૉર્મ ઇન્ટેલિજન્સ પર દોડે છે અને જીવંત શહેર સ્માર્ટ ગ્રીડ ક્રિયાપ્રતિક્રિયાઓ દ્વારા પોતાની પાસેથી શીખે છે. આ આર્ટિફિશિયલ ઇન્ટેલિજન્સ ની ચોથી ઔદ્યોગિક ક્રાંતિમાં બનતી અન્ય નવીનતાઓ સાથે વર્તમાન સ્વાસ્થ્ય સમસ્યાઓ, સંપૂર્ણ ગરીબી જેવી ઘણી સામાજિક સમસ્યાઓને નાબૂદ કરી શકે છે અને અમને ચંદ્ર અને મંગળ પર વસાહત બનાવવાની મંજૂરી આપે છે.

IOTA સિવાય, ડેગકોઇન્સ અને બાઇટબોલ્સ પણ છે જેને બ્લોકચેનની જરૂર નથી. ડેગકોઇન્સ અને બાઇટબોલ બંને ફરીથી DAG નિર્દેશિત એક્રેલિક ગ્રાફ પર આધારિત છે જેમ IOTA ના 'ટંગલ' છે. IOTA ના સમાન ફાયદા લગભગ ડેગકોઇન્સ અને બાઇટબોલ્સને લાગુ પડે છે કારણ કે આ બધા બ્લોકહેનની વર્તમાન મર્યાદાઓને દૂર કરે છે. 

ઓટોમેટેડ મશીન લર્નિંગ

અલબત્ત ઓટોમેશન માટે એક વ્યાપક સંદર્ભ છે જ્યાં લગભગ દરેક ક્ષેત્ર શંકાસ્પદ છે અને કોઈ પણ AI એપોકેલિપ્સના આ ભયથી મુક્ત નથી. ઓટોમેશનની એક ઉજળી બાજુ પણ છે જ્યાં તે મનુષ્યોને માત્ર કામ કરવાને બદલે 'પ્લે' નું અન્વેષણ કરવા દેશે. વ્યાપક કવરેજ માટે, જુઓ આ લેખ futurism.com પર

ડેટા સાયન્ટિસ્ટ્સ, એક્ચ્યુઅરીઝ, ક્વોન્ટ્સ અને અન્ય ઘણા લોકો જેવા જથ્થાત્મક મોડલરો સાથે સંકળાયેલ હાઇપ અને ગૌરવ હોવા છતાં, તેઓ એક કોયડોનો સામનો કરે છે જેને સ્વચાલિત મશીન ઇન્ટેલિજન્સ ઉકેલવા માટે નક્કી કરે છે. કોયડો એ તેમની તાલીમ અને તેઓ ખરેખર જે કરે છે તેની સરખામણીમાં તેઓએ શું કરવું જોઈએ તે વચ્ચેનું અંતર છે. અંધકારમય વાસ્તવિકતા એ છે કે મોટાભાગનો સમય વાંદરાના કામ દ્વારા લેવામાં આવે છે (કામ જે બૌદ્ધિક રીતે પ્રશિક્ષિત અને સક્ષમ માણસને બદલે કોઈપણ વાંદરો કરી શકે છે) જેમ કે પુનરાવર્તિત કાર્યો, નંબર ક્રન્ચિંગ, ડેટાને સૉર્ટ કરવા, ડેટા સાફ કરવા, તેને સમજવા, મોડેલોનું દસ્તાવેજીકરણ. અને તે તમામ ગણિતના સંપર્કમાં રહેવા માટે પુનરાવર્તિત પ્રોગ્રામિંગ (સ્પ્રેડશીટ મિકેનિક્સ પણ હોવાથી) અને સારી મેમરી લાગુ કરવી. તેઓએ શું કરવું જોઈએ તે છે સર્જનાત્મક બનવું, કાર્યવાહી કરવા યોગ્ય આંતરદૃષ્ટિ ઉત્પન્ન કરવી, નક્કર ડેટા-આધારિત પરિણામો લાવવા માટે અન્ય હિતધારકો સાથે વાત કરવી, વિશ્લેષણ કરવું અને હાલની સમસ્યાઓના નવા 'પોલિમથ' ઉકેલો સાથે આવવા.

ઓટોમેટેડ મશીન ઇન્ટેલિજન્સ (AML) આ વિશાળ અંતર ઘટાડવાની કાળજી લે છે. 200 ડેટા વિજ્ઞાનીઓની ટીમને હાયર કરવાને બદલે, AML નો ઉપયોગ કરતા એક અથવા થોડા ડેટા વૈજ્ઞાનિકો એક જ સમયે બહુવિધ મોડલ્સના ઝડપી મોડેલિંગનો ઉપયોગ કરી શકે છે કારણ કે મશીન લર્નિંગનું મોટા ભાગનું કાર્ય એએમએલ દ્વારા પહેલેથી જ ઓટોમેટેડ છે જેમ કે એક્સપ્લોરરી ડેટા એનાલિસિસ, ફીચર ટ્રાન્સફોર્મેશન, અલ્ગોરિધમ પસંદગી, હાયપર પેરામીટર ટ્યુનિંગ અને મોડેલ ડાયગ્નોસ્ટિક્સ. ડેટારોબોટ, ગૂગલનું ઓટોએમએલ, એચ20નું ડ્રાઈવરલેસ એઆઈ, આઈબીએનઆર રોબોટ, ન્યુટોનિયન, ટીપીઓટી, ઓટો-સ્ક્લેર્ન, ઓટો-વેકા, મશીન-જેએસ, બિગ એમએલ, ટ્રિફેક્ટા અને પ્યોર પ્રિડિક્ટિવ જેવા સંખ્યાબંધ પ્લેટફોર્મ્સ ઉપલબ્ધ છે અને એએમએલ એ એમએલ કરી શકે છે. પૂર્વ-નિર્ધારિત માપદંડો અનુસાર શ્રેષ્ઠ મોડલ શોધવા માટે તે જ સમયે ડઝનેક યોગ્ય અલ્ગોરિધમ્સની ગણતરી કરો. પછી ભલે તે ડીપ લર્નિંગ અલ્ગોરિધમ્સ હોય કે સ્ટ્રીમિંગ અલ્ગોરિધમ્સ, બધા શ્રેષ્ઠ ઉકેલ શોધવા માટે સરસ રીતે સ્વયંસંચાલિત છે જેમાં અમને ખરેખર રસ છે.

આ રીતે, AML ડેટા વૈજ્ઞાનિકોને વધુ માનવ અને ઓછા સાયબોર્ગ-વલ્કન-માનવ કેલ્ક્યુલેટર બનવા માટે મુક્ત કરે છે. મશીનોને તેઓ જે શ્રેષ્ઠ કામ કરે છે તેના માટે સોંપવામાં આવે છે (પુનરાવર્તિત કાર્યો, મોડેલિંગ) અને મનુષ્યોને તેઓ જે શ્રેષ્ઠ કરે છે તેના માટે સોંપવામાં આવે છે (સર્જનાત્મક હોવું, વ્યવસાયના ઉદ્દેશ્યોને ચલાવવા માટે ક્રિયાત્મક આંતરદૃષ્ટિ ઉત્પન્ન કરવી, નવા ઉકેલો બનાવવા અને તેમની સાથે વાતચીત કરવી). હું હવે એમ કહી શકતો નથી કે ‘પ્રથમ રાહ જુઓ મને 10 વર્ષમાં મશીન લર્નિંગમાં પીએચડી અથવા નિષ્ણાત બનવા દો અને પછી હું આ મોડેલ્સ લાગુ કરીશ; વિશ્વ હવે ખૂબ ઝડપથી આગળ વધી રહ્યું છે અને જે હવે સંબંધિત છે તે ખૂબ જ ઝડપથી જૂનું થઈ જાય છે. MOOC આધારિત ઝડપી અભ્યાસક્રમ અને ઓનલાઈન શિક્ષણ આજના ઘાતાંકીય સમાજમાં નિશ્ચિત-એક-કારકિર્દી-ઈન-લાઈફને બદલે વધુ અર્થપૂર્ણ બનાવે છે જેનો અગાઉની પેઢીઓ ઉપયોગ કરતી હતી.

M2M અર્થતંત્રમાં AML જરૂરી છે કારણ કે અલ્ગોરિધમ્સને થોડા સમય સાથે સરળતામાં વિકસાવવા અને ઉપયોગમાં લેવાની જરૂર છે. એલ્ગોરિધમ્સને બદલે ઘણા બધા નિષ્ણાતોની જરૂર પડે છે અને તેઓ તેમના મોડલને વિકસાવવામાં મહિનાઓ લે છે, AML સમયના અંતરને પૂરો કરે છે અને એવી પરિસ્થિતિઓમાં AI લાગુ કરવા માટે ઉન્નત ઉત્પાદકતા માટે પરવાનગી આપે છે જે પહેલાં અકલ્પ્ય હતી.

ભવિષ્યની ઇન્સ્યોરટેકસ

પ્રક્રિયાને વધુ સીમલેસ, ચપળ, મજબુત, અદ્રશ્ય અને બાળક રમતા જેટલું સરળ બનાવવા માટે, બ્લોકચેન ટેક્નોલોજીનો ઉપયોગ સ્માર્ટ કોન્ટ્રાક્ટ્સ સાથે કરવામાં આવે છે જે શરતો પૂરી થાય ત્યારે પોતે જ અમલમાં મુકાય છે. આ નવું P2P વીમા મોડલ ડિજિટલ વૉલેટનો ઉપયોગ કરીને પરંપરાગત પ્રીમિયમ ચુકવણીને દૂર કરી રહ્યું છે જ્યાં દરેક સભ્ય તેમના પ્રીમિયમને એસ્ક્રો-ટાઈપ એકાઉન્ટમાં મૂકે છે, જો દાવો કરવામાં આવે તો જ તેનો ઉપયોગ કરવામાં આવે. આ મૉડલમાં, કોઈ પણ સભ્ય તેમના ડિજિટલ વૉલેટમાં મૂકેલી રકમ કરતાં વધુ એક્સપોઝર ધરાવતું નથી. જો કોઈ દાવા કરવામાં ન આવે તો તમામ ડિજિટલ વોલેટ્સ તેમના પૈસા રાખે છે. આ મોડલમાં તમામ ચૂકવણીઓ બિટકોઈનનો ઉપયોગ કરીને કરવામાં આવે છે અને ટ્રાન્ઝેક્શન ખર્ચમાં વધુ ઘટાડો થાય છે. ટીમબ્રેલા બિટકોઈન પર આધારિત આ મોડલનો ઉપયોગ કરતી પ્રથમ વીમા કંપની હોવાનો દાવો કરે છે. ખરેખર, ટીમબ્રેલા એકલી નથી. પીઅર ટુ પીઅર ઈન્સ્યોરન્સ અને માનવીય પ્રવૃત્તિના અન્ય ક્ષેત્રોને લક્ષ્યાંકિત કરતા ઘણા બ્લોકચેન આધારિત સ્ટાર્ટઅપ્સ છે. તેમાંના કેટલાક છે:

1. ઇથરિસિસ
2. વીમાપાલ
3. AIgang
4. રેગા લાઇફ
5. બીટ લાઈફ એન્ડ ટ્રસ્ટ
6. યુનિટી મેટ્રિક્સ કોમન્સ

આમ, વીમાદાતા તરીકે આમાં ભીડની ઘણી શાણપણનો ઉપયોગ થાય છે.લોકો પાસેથી શીખે છે, લોકો સાથે યોજનાઓ, તેમની પાસે જે છે તેનાથી શરૂઆત થાય છે અને તેઓ જે જાણે છે તેના પર નિર્માણ કરે છે'(લાઓત્ઝે).

શેરધારકો માટે એક્ચ્યુરી મહત્તમ નફો કરવાને બદલે, જમીની વાસ્તવિકતાઓથી અલગ બેસીને, રમતમાં ત્વચાનો અભાવ, અને તેમના સાથીદારોની તુલનામાં લોકોની જાગરૂકતા (એટલે ​​​​કે, ડેટા) સુધી ઘણી ઓછી ઍક્સેસ ધરાવે છે, આ પીઅર ટુ પીઅર ભીડને સશક્ત બનાવે છે અને ટેપ કરે છે. તેમના શાણપણમાં (પુસ્તકોમાંથી શાણપણને બદલે) જે વધુ સારું છે. અહીં લિંગ પર આધારિત રેટિંગ, પ્રાઇસિંગ ઑપ્ટિમાઇઝેશન જેવી કોઈ અયોગ્ય કિંમતની પ્રથાઓ પણ નથી કે જે તમારાથી વધુ ચાર્જ વસૂલ કરે છે જો તમે અન્ય વીમા કંપની તરફ જવાની શક્યતા ઓછી હોય અને તેનાથી ઊલટું. વિશાળ વીમાદાતા તમને તમારા સાથીદારો કરતાં વધુ જાણી શકતા નથી, તે એટલું જ સરળ છે.

આ જ પીઅર-ટુ-પીઅર વીમો નોન-બ્લોકચેન આધારિત ડિસ્ટ્રિબ્યુટેડ લેજર્સ પર પણ હાથ ધરવામાં આવી શકે છે જેમ કે IOTA, Dagcoins અને Byteballs વર્તમાન બ્લોકચેન પર આ નવા ખાતાવહીના વધારાના તકનીકી લાભો સાથે. આ ડિજીટલ ટોકનાઇઝેશન સ્ટાર્ટઅપ્સ બિઝનેસ મોડલ્સને ધરમૂળથી પુનઃઇન્વેન્ટ કરવાનું વચન ધરાવે છે જ્યાં સરકારો, મૂડીવાદી વ્યવસાયો, સામાજિક સંસ્થાઓ વગેરે જેવા દમનકારી વચેટિયાઓ વિના સ્વચાલિત સંપૂર્ણ વિશ્વાસપાત્ર રીતે સમુદાય અને સમુદાય માટે વ્યવહારો, પૂલિંગ અને લગભગ કંઈપણ કરવામાં આવે છે. પીઅર ટુ પીઅર ઈન્સ્યોરન્સ એ સમગ્ર કાર્યક્રમનો માત્ર એક ભાગ છે.

સ્માર્ટ કોન્ટ્રાક્ટમાં તેમની સાથે બિલ્ટ-ઇન શરતો હોય છે જે જ્યારે આકસ્મિક ઘટના બને ત્યારે આપમેળે ટ્રિગર થાય છે અને દાવાઓ તરત જ ચૂકવવામાં આવે છે. ભવિષ્યની આકર્ષક સ્વાયત્ત સંસ્થા બનાવવા માટે ઉચ્ચ લાયકાત ધરાવતા પરંતુ આવશ્યકપણે કારકુનનું કામ કરતા શ્રમ દળની વિશાળ જરૂરિયાતને સંપૂર્ણપણે દૂર કરવામાં આવી છે. 'શેરધારકો'ના દમનકારી વચેટિયાને ટાળવામાં આવે છે જેનો અર્થ છે કે સગવડ, ઓછી કિંમતો અને સારો ગ્રાહક સપોર્ટ આપીને ગ્રાહક હિતોને ધ્યાનમાં રાખીને કાર્ય કરવામાં આવે છે. આ પીઅર ટુ પીઅર સેટિંગમાં, લાભો શેરહોલ્ડરને બદલે સમુદાયને જાય છે. IoT આ પૂલને ડેટાનો મુખ્ય સ્ત્રોત પૂરો પાડે છે જેથી પ્રોટોકોલ વિકસાવવામાં આવે કે દાવાની ચુકવણી ક્યારે રિલીઝ કરવી અને ક્યારે નહીં. સમાન ટોકનાઇઝેશનનો અર્થ એ છે કે કોઈપણ વ્યક્તિ ભૂગોળ અને નિયમો દ્વારા મર્યાદિત રહેવાને બદલે વીમા પૂલનો ઉપયોગ કરી શકે છે.